障碍物的高矮判断方法、存储介质、车辆控制系统、车辆与流程

本发明涉及障碍物判断，尤其涉及一种障碍物的高矮判断方法、存储介质、车辆控制系统、车辆。

背景技术：

1、随着智能驾驶技术的快速发展，人们越来越愿意选择智能车辆，而自动泊车或自动驾驶作为自动驾驶技术中最先实现大规模商业化落地的功能之一，已成为提升用户体验和车辆安全性的关键配置。

2、在真实泊车或行车场景中，障碍物的高度属性是决定车辆能否安全通过或必须避让得关键维度，面临地锁（关或开）、车柱、路沿、低矮或高的障碍物场景时，自车需要及时感知环境状态判断泊入状态及采取动作。若遇到低矮障碍物（如：放倒的地锁、低矮路沿）时，车辆可跨越，但当遇到高障碍物（柱子、高路沿）时，避免产生碰撞，自车需要保持距离。所以，针对障碍物的高低，自车需要不同的判断逻辑。相关技术中，针对障碍物往往将所有障碍物“一视同仁”，仅通过距离阈值进行判断，这导致了车辆无法适应复杂场景的自动泊车或行车，降低了用户的使用体验。

技术实现思路

1、本发明旨在至少在一定程度上解决相关技术中的技术问题之一。为此，本发明的第一个目的在于提出一种障碍物的高矮判断方法，能够准确判断出障碍物的高矮属性，进而提高泊车精准度、行车安全度和用户的使用体验。

2、本发明的第二个目的在于提出一种计算机可读存储介质。

3、本发明的第三个目的在于提出一种车辆控制系统。

4、本发明的第四个目的在于提出一种车辆。

5、为达上述目的，本发明第一方面实施例提出了一种障碍物的高矮判断方法，所述方法包括：获取所述障碍物的点云信息；对所述点云信息进行预处理得到所述障碍物的跟踪信息；将所述跟踪信息输入深度学习模型，以通过所述深度学习模型处理后输出表征所述障碍物的高度属性信息；根据所述高度属性信息完成所述障碍物的高矮判断。

6、在本发明实施例中障碍物的高矮判断方法中，首先获取障碍物的点云信息，再对该点云信息进行预处理以得到障碍物的跟踪信息，之后将该跟踪信息输入到深度学习模型中，以通过深度学习模型处理并输出表征障碍物的高度属性信息，最后根据该高度属性信息判定障碍物的高矮，从而能够准确判断出障碍物的高矮属性，进而提高泊车精准度、行车安全度和用户使用体验。

7、在本发明的一些实施例中，所述方法应用于车辆，所述车辆包括至少一个超声波传感器。

8、在本发明的一些实施例中，在所述车辆包括一个超声波传感器时，所述点云信息包括所述超声波传感器前后运动帧的回波距离、回波宽度和回波高度；在所述车辆包括多个超声波传感器时，所述点云信息包括所述多个超声波传感器在同一运动帧的回波距离、回波宽度和回波高度。

9、在本发明的一些实施例中，对所述点云信息进行预处理得到所述障碍物的跟踪信息，包括：采用聚类算法对所述点云信息进行聚类处理得到所述障碍物的点云簇；计算所述点云簇的最小包围盒面积、重心坐标和周长；基于所述最小包围盒面积、所述重心坐标和所述周长采用跟踪算法对所述点云簇进行跟踪，以得到所述跟踪信息。

10、在本发明的一些实施例中，所述深度学习模型包括编码器、解码器和初始化模块，所述方法还包括：对所述跟踪信息进行维度转化处理以得到所述深度学习模型的输入信息；将所述输入信息输入所述编码器得到匹配特征和加权特征，以及将所述输入信息输入所述初始化模块得到初始时序提问特征；将所述匹配特征、所述加权特征和所述初始时序提问特征输入所述解码器得到当前时序提问特征；根据所述匹配特征、所述加权特征和所述当前时序提问特征对所述当前时序提问特征进行迭代更新，以得到输出时序提问特征；对所述输出时序提问特征进行线性处理和归一化处理得到所述高度属性信息。

11、在本发明的一些实施例中，所述编码器包括多层多头自注意机制，所述解码器包括多层多头交叉注意机制，所述迭代更新的次数与所述多头交叉注意机制的层数相同。

12、在本发明的一些实施例中，所述高度属性信息包括高属性评估值和矮属性评估值。

13、为达上述目的，本发明第二方面实施例提出了一种计算机可读存储介质，其上存储有障碍物的高矮判断程序，所述障碍物的高矮判断程序被处理器执行时，实现上述实施例中任一项所述的障碍物的高矮判断方法。

14、本发明实施例的计算机可读存储介质通过处理器执行存储在其上的障碍物的高矮判断程序，能够准确判断出障碍物的高矮属性，进而提高泊车精准度、行车安全度和用户的使用体验。

15、为达上述目的，本发明第三方面实施例提出了一种车辆控制系统，包括存储器、处理器及存储在存储器上并可在处理器上运行的障碍物的高矮判断程序，所述处理器执行所述障碍物的高矮判断制程序时，实现上述实施例中任一项所述的障碍物的高矮判断方法。

16、本发明实施例的车辆控制系统通过处理器执行存储在存储器上的障碍物的高矮判断程序，能够准确判断出障碍物的高矮属性，进而提高泊车精准度、行车安全度和用户的使用体验。

17、为达上述目的，本发明第四方面实施例提出了一种车辆，该车辆包括上述实施例的车辆控制系统。

18、本发明实施例的车辆通过上述实施例的车辆控制系统，能够准确判断出障碍物的高矮属性，进而提高泊车精准度、行车安全度和用户的使用体验。

19、本发明附加的方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明的实践了解到。

1.一种障碍物的高矮判断方法，其特征在于，所述方法包括：

2.根据权利要求1所述障碍物的高矮判断方法，其特征在于，所述方法应用于车辆，所述车辆包括至少一个超声波传感器。

3.根据权利要求2所述障碍物的高矮判断方法，其特征在于，在所述车辆包括一个超声波传感器时，所述点云信息包括所述超声波传感器前后运动帧的回波距离、回波宽度和回波高度；在所述车辆包括多个超声波传感器时，所述点云信息包括所述多个超声波传感器在同一运动帧的回波距离、回波宽度和回波高度。

4.根据权利要求1所述障碍物的高矮判断方法，其特征在于，对所述点云信息进行预处理得到所述障碍物的跟踪信息，包括：

5.根据权利要求1所述障碍物的高矮判断方法，其特征在于，所述深度学习模型包括编码器、解码器和初始化模块，所述方法还包括：

6.根据权利要求5所述障碍物的高矮判断方法，其特征在于，所述编码器包括多层多头自注意机制，所述解码器包括多层多头交叉注意机制，所述迭代更新的次数与所述多头交叉注意机制的层数相同。

7.根据权利要求1-6中任一项所述障碍物的高矮判断方法，其特征在于，所述高度属性信息包括高属性评估值和矮属性评估值。

8.一种计算机可读存储介质，其特征在于，其上存储有障碍物的高矮判断程序，所述障碍物的高矮判断程序被处理器执行时，实现权利要求1-7中任一项所述的障碍物的高矮判断方法。

9.一种车辆控制系统，其特征在于，包括存储器、处理器及存储在存储器上并可在处理器上运行的障碍物的高矮判断程序，所述处理器执行所述障碍物的高矮判断制程序时，实现根据权利要求1-7中任一项所述的障碍物的高矮判断方法。

10.一种车辆，其特征在于，所述车辆包括权利要求9所述的车辆控制系统。